Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
18Activity
0 of .
Results for:
No results containing your search query
P. 1
Artificial Neural Network

Artificial Neural Network

Ratings: (0)|Views: 594 |Likes:
Published by rendi_otto_diesel
Tugas Kuliah Saya
Tugas Kuliah Saya

More info:

Published by: rendi_otto_diesel on Jul 04, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

04/10/2013

pdf

text

original

 
Artificial Neural Network (ANN)
Rendi Kurniawan (0606073480)
 
Definisi :Artificial Neural Network (ANN) dalam bahasa Indonesia disebut juga Jaringan Saraf Tiruan (JST) atau pada umumnya disebut juga hanya Neural Network adalah sebuah sistem jaringan yang dimodelkan berdasarkan sistem jaringan saraf manusia. Tujuan dari dibuatnyaNeural Network adalah membuat sebuah sistem yang dapat belajar sendiri sesuai dengan datadan kondisi lingkungan yang kita berikan serta dapat memodelkan data statistic (curve fitting)non-linier, permodelan yang kompleks tersebut menghubungkan antara input dan output untukmenemukan pola-pola data, seperti metode curve fitting.Keuntungan :1.
 
Neural Network dapat mengerjakan permasalahan non-linier, maupun linier.2.
 
Ketika salah satu elemen dari neural network gagal, dia akan terus lanjut, karena bekerjasecara parallel.3.
 
Neural Network dapat belajar dan tidak perlu diprogram ulang.4.
 
Neural Network dapat diimplementasikan dimana saja.5.
 
Neural Network dapat diimplementasikan tanpa banyak masalah.Kerugian :1.
 
Neural Network membutuhkan proses training untuk dioperasikan.2.
 
Arsitektur Neural Network berbeda dari arsitektur mikroprosesor.3.
 
Membutuhkan frekuensi yang tinggi (high processing time) untuk sistem neural networkskala besar.Neural Network bekerja pada 2 mode, yang pertama adalah proses training dan yangkedua adalah proses execution. Pada proses training kita akan melatih sistem denganmemberinya sebanyak mungkin contoh data input serta data output yang akan dihasilkanoleh data input tersebut.Contoh, misalkan kita memberikan data training pada sistem untuk proses pembagian;Data Input_1= 8Data Input_2 = 2Output = 4
 
Maka, kita telah mengajarkan pada sistem apabila inputan terdiri dari angka 8 dan 2,maka outputnya adalah 4. Akan tetapi, jika hanya diberikan satu contoh, sistem tidak akanbelajar dengan baik. Sebaiknya diberikan data training sebanyak mungkin, agar sistem dapatbelajar dengan baik dan handal.Struktur asitektur dari Neural Network pada umumnya terdiri dari 3 layer, yang menjadiciri khas dari sistem NN ini, yaitu Input Layer, Hidden Layer, dan Output Layer. Tiap Layerterdiri dari unit-unit node yang jumlahnya dapat kita tentukan sendiri, bias dibayangkan bahwatiap node pada sistem Neural Network ibaratnya seperti neuron pada otak manusia.
I
nput Layer 
:Input Layer, merupakan data-data yang kita masukkan sebagai data training pada sistemANN. Banyaknya jumlah node pada input layer tergantung pada jumlah data input yang telahkita masukkan ke dalam sistem.
Hidden Layer 
:Jumlah node pada hidden layer sangat bervariasi, akan tetapi pada umumnya jumlahnode pada hidden layer adalah 5 yang dianggap sudah mencukupi untuk memecahkan berbagaimacam kasus. Ada juga teori yang dapat menentukan banyak-nya node pada hidden layerdenga tepat.
Output Layer 
:Banyak-nya node pada output layer tergantung dari sistem ANN itu sendiri. Data output juga termasuk dari data training yang sebelumnya telah diberikan.Konsep dari sistem ANN yang penting adalah nilai Error minimum yang diharapkan.Pada saat ANN di-inisialisasi akan dibangkitkan nilai random untuk koneksi antar node darisuatu layer dengan layer sesudahnya, jadi antar node-node di hidden layer saling terkoneksisatu sama lain dengan node-node di hidden layer, dan antar node-node di hidden layer akansaling terkoneksi satu sama lain dengan node-node pada output layer. Nilai koneksi antar nodetersebut sering disebut 'bobot'. Nilai bobot inilah yang akan menentukan kecerdasan suatu
 
sistem. Pada saat proses training, nilai bobot tersebut akan terus berubah sehingga didapatkankesesuaian antara input dengan output dengan Error minimum. Dengan kata lain, pada prosestraining kita akan menentukan nilai minimum error yang bisa di tolerir oleh sistem, sistem tidakakan memberikan kepastian jawaban untuk suatu kasus yang tidak pernah dilatihkankepadanya, pasti ada nilai Error dari jawaban sistem dengan jawaban yang seharusnya, nilaiError tersebut yang harus di-definisikan oleh kita sebelum melatih sistem sehingga sistem bisamenjawab dengan tingkat kebenaran semaksimal mungkin (misalnya : tingkat kebenaran sistem99,9999% dengan nilai Error 0.0001).
 
Contoh Aplikasi ANN penjumlahan sederhana dengan menggunakan bahasa C di OS Linux:Dengan menggunakan library, dari FANN (Fast Artificial Neural Network) fann.h
[Cyb3rh3b@pinguin.stttelkom.ac.id]$ cat sum_training.c#include "fann.h"int main(int argc, char *argv[]){/* Ditentukan oleh kita, ada aturannya pada teori dasar ANN */const float connection_rate = 1;const float learning_rate = 0.7;/* Jumlah input pada sistem penjumlahan */const unsigned int num_input = 2;/* Jumlah output pada sistem penjumlahan */const unsigned int num_output = 1;/* Jumlah layer: 1 input layer, 1 hidden layer, 1 output layer */const unsigned int num_layers = 3;/* Jumlah node pada hidden layer */const unsigned int num_neurons_hidden = 4;/* Minimal Error yang dapat ditolerir dari sistem */const float desired_error = 0.000001;/* Jumlah max pengulangan (Epoch) pada proses training apabila Minimal Errordidapat */const unsigned int max_iterations = 500000;const unsigned int iterations_between_reports = 1000;

Activity (18)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
Annisa Farida liked this
Mila Karmila liked this
Ainar Koplakzz liked this
Mitch Morrie liked this
Rina Yunita liked this
Widya Meiriska liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->